我想知道在完成分箱操作后应该怎么做。例如，其中一个特征是年龄，我的初始数据是 [11, 12, 35, 26]。

然后我应用了大小为10的分箱：

区间, 名称

[0, 10) –> 1

[10, 20) –> 2

[20, 30) –>3

[30, 40) –> 4

然后我的数据变为 [2, 2, 4, 3]。现在假设我想将这些数据放入线性回归模型中。我应该将 [2, 2, 4, 3] 视为数值特征吗？还是应该将它们视为分类特征，像是先进行独热编码，然后再输入模型？

回答：

如果你正在构建线性模型，那么对这些分箱进行独热编码可能是一个更好的选择，这样如果与目标之间存在任何线性关系，独热编码会保留这种关系。

如果你正在构建基于树的模型，比如随机森林，那么你可以将 [2, 2, 4, 3] 作为数值特征使用，因为这些模型是非线性的。

如果你在构建回归模型且不希望通过独热编码扩展特征空间，你可以将这些分箱视为分类变量，并使用均值/目标编码，或者按照每个分箱的目标均值用数字进行编码。

关于最后两种方法的更多细节，请参见这篇文章。

免责声明：我是该文章的作者。